Beruflich Dokumente
Kultur Dokumente
Qu vamos a aprender
Conceptos previos Justificacin Mtodos Computacionales Mtodos de bsqueda directa
Paradigma de mtodo de bsqueda Mtodo de bsqueda dicotmica Mtodo de bsqueda seccin urea
Conceptos previos
Funcin unimodal
() ()
()
()
Conceptos previos
Funcin unimodal
Una funcin () es un funcin unimodal si para un valor de m, es monotonicamente creciente en todos los m y monotonicamente decreciente para m. En ese caso, el mximo valor de () es (m) y no existe otro mximo local. Aplica la misma idea para una funcin () unimodal con un mnimo local.
Solo tienen un mximo o un mnimo!
Conceptos previos
Funcin unimodal
() ()
()
()
Conceptos previos
Series de Taylor Objetivo : Aproximar una funcin, en la proximidad de un punto , a travs de una suma infinita de trminos.
Conceptos previos
Series de Taylor
=
0
1 2 3 4 5 = 1 + + + + + 1! 2! 3! 4! 5!
Qu vamos a aprender
Conceptos previos Justificacin Mtodos Computacionales Mtodos de bsqueda directa
Paradigma de mtodo de bsqueda Mtodo de bsqueda dicotmica Mtodo de bsqueda seccin urea
2 + + =
- Derivando e igualando a cero (ptos. crticos). - Con segunda derivada (max/min). - Revisar puntos extremos ( y ). - Revisar puntos donde no est definida la 1era derivada.
10
- Derivando e igualando a cero (ptos. crticos). - Con segunda derivada (max/min). - Revisar puntos extremos ( y ). - Revisar puntos donde no est definida la 1era derivada.
11
12
Qu vamos a aprender
Conceptos previos Justificacin Mtodos Computacionales Mtodos de bsqueda directa
Paradigma de mtodo de bsqueda Mtodo de bsqueda dicotmica Mtodo de bsqueda seccin urea
13
Regin 1 [, 2 ] Regin 2 [1 , ]
14
Regin 1 [, 2 ] Regin 2 [1 , ]
15
Cada mtodo especifica cmo hacerlo
2. 3.
Determinar el subintervalo en el que est el ptimo. Analizar el subintervalo (volver a paso 1.).
16
2. 3.
Determinar el subintervalo en el que est el ptimo. Analizar el subintervalo (volver a paso 1.).
17
(1 )
(2 ) (1 )
< ( )
(2 )
()
> ( ) 3
1 = (2 )
= ( )
18
1 2
1
(2 ) (1 )
< ( )
()
2 > ( )
(1 ) (2 )
19
1
(2 ) (1 )
< ( )
()
(1 ) (2 )
20
()
= ( )
1 = (2 )
21
()
= ( )
1 = (2 )
22
Qu vamos a aprender
Conceptos previos Justificacin Mtodos Computacionales Mtodos de bsqueda directa
Paradigma de mtodo de bsqueda Mtodo de bsqueda dicotmica Mtodo de bsqueda seccin urea
23
+ 2 = + 2
24
Paso 2
Paso 3
Paso 4 Para maximizar:
1 =
+ 2
y 2 =
+ 2
25
y max = ( )
Qu vamos a aprender
Conceptos previos Justificacin Mtodos Computacionales Mtodos de bsqueda directa
Paradigma de mtodo de bsqueda Mtodo de bsqueda dicotmica Mtodo de bsqueda seccin urea
26
0 1 = (1 ) 2 + 1 = 0 ( 5 1) = 2
27
1 = + (1 )( ) 2 = + ( )
28
b)
29
y max = ( )
Qu vamos a aprender
Conceptos previos Justificacin Mtodos Computacionales Mtodos de bsqueda directa
Paradigma de mtodo de bsqueda Mtodo de bsqueda dicotmica Mtodo de bsqueda seccin urea
30
Mtodo de Newton-Rhapson
No busca directamente el ptimo sobre la funcin original. Usa la derivada de la funcin. Hace uso de las series de Taylor. Para minimizar.
= 0 +
0 0
1 + 0 0 2
31
Mtodo de Newton-Rhapson
0
= 0 + 0 0
1 + 0 0 2
Derivando Despejando = 0
2 + 0 0 = 0 2
0 0 = 0 0 = 0 (0 )
Frmula de avance para llegar a un punto crtico
32
Mtodo de Newton-Rhapson
0 = 0 (0 ) Generalizando: +1 = ( )
Entonces, Comenzamos en punto inicial (0 ) arbitrario y avanzamos con la frmula de avance. Hasta cuando?
33
Mtodo de Newton-Rhapson
Algoritmo para minimizar:
Paso 1 Inicializar: Escoger el punto inicial. Definir 1 y 2 (~106 ). = 0 0 = valor inicial Calcular: +1 = ( )
Paso 2
34
Qu vamos a aprender
Conceptos previos Justificacin Mtodos Computacionales Mtodos de bsqueda directa
Paradigma de mtodo de bsqueda Mtodo de bsqueda dicotmica Mtodo de bsqueda seccin urea
35
36
Random Search
Usa nmeros aleatorios. Mtodo estocstico. Mtodos de bsqueda local dependen de valores iniciales. Definir aleatoriamente una cantidad de valores iniciales. Correr el mtodo de bsqueda local. Comparar cul es el mejor de los mejores. Reportar.
37
Random Search
Algoritmo para minimizar:
Paso 1 Definir el intervalo a explorar. Definir la cantidad de puntos iniciales que se van a considerar. = 0 = 0 Para = 1, hasta Aplicar algoritmo de optimizacin local comenzando en el punto inicial .
Paso 2
Calcular _ , _
Si _ > , entonces: = _ = _ Comenzar paso 2. Paso 3 Fin = =
38
Mtodos Computacionales
Preguntas?
39
Referencias
[1] Giordano, F. R., Fox, W. P., Horton, S. V. & Weir, M. D. A First Course In Mathemathical Modeling. Brooks/ Cole, Cengage Learning. Belmont, USA. 2009. Seccin 7.6.
40